[论文解读] Right-wing German Hate Speech on Twitter: Analysis and Automatic Detection

Sylvia Jaki, Tom De Smedt|arXiv (Cornell University)|Oct 16, 2019

Hate Speech and Cyberbullying Detection参考文献 29被引用 46

一句话总结

这篇论文分析了超过50,000条右翼德国仇恨推文，围绕2017年德国联邦选举，并讨论了构建自动仇恨言论检测系统的洞见。

ABSTRACT

Discussion about the social network Twitter often concerns its role in political discourse, involving the question of when an expression of opinion becomes offensive, immoral, and/or illegal, and how to deal with it. Given the growing amount of offensive communication on the internet, there is a demand for new technology that can automatically detect hate speech, to assist content moderation by humans. This comes with new challenges, such as defining exactly what is free speech and what is illegal in a specific country, and knowing exactly what the linguistic characteristics of hate speech are. To shed light on the German situation, we analyzed over 50,000 right-wing German hate tweets posted between August 2017 and April 2018, at the time of the 2017 German federal elections, using both quantitative and qualitative methods. In this paper, we discuss the results of the analysis and demonstrate how the insights can be employed for the development of automatic detection systems.

研究动机与目标

• 动机：提升自动检测以协助 Twitter 上的内容审核。
• 考察在德国的仇恨言论的语言特征以及与该国相关的特定法理。
• 提供实证洞见，供自动检测系统开发之用。

提出的方法

• 对来自 Twitter 的大量德国仇恨言论数据集进行定量和定性分析（2017年8月至2018年4月）。
• 刻画右翼仇恨言论的语言模式与语境。
• 讨论分析结果如何为自动检测的特征设计与系统开发提供信息。

实验结果

研究问题

• RQ1 在2017–2018年期间，德国 Twitter 内容中的右翼仇恨言论有哪些语言特征？
• RQ2 分析洞见如何为德国 Twitter 的自动仇恨言论检测系统设计提供帮助？
• RQ3 在此数据中区分法定言论自由与非法表达所面临的挑战是什么？
• RQ4 时间与政治背景（如2017年联邦选举）可能如何影响仇恨言论模式？
• RQ5 为稳健的检测模型，应重视哪些方法学考量（定量与定性）？

主要发现

• 本研究分析了在2017年8月至2018年4月之间发布的超过50,000条右翼德国仇恨推文。
• 工作强调了关于德国 Twitter 上仇恨话语的定性与定量洞见。
• 将研究结果置于支持自动检测系统开发的背景下讨论。